CN103164870A - 一种由生物体点云构建网格面的方法 - Google Patents
一种由生物体点云构建网格面的方法 Download PDFInfo
- Publication number
- CN103164870A CN103164870A CN 201310128903 CN201310128903A CN103164870A CN 103164870 A CN103164870 A CN 103164870A CN 201310128903 CN201310128903 CN 201310128903 CN 201310128903 A CN201310128903 A CN 201310128903A CN 103164870 A CN103164870 A CN 103164870A
- Authority
- CN
- China
- Prior art keywords
- triangle
- biosome
- seed
- triangles
- cloud
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明公开了一种由生物体点云构建网格的方法,本发明在提高重构质量的同时,加快重构的速度,使重构过程更加高效。其步骤为:将点云数据进行Delaunay三角剖分,得到任意边界相邻的三角形;进行区域划分,得到不同的生长区,确定每个生长区的生长方向;在各个生长区中选取中心位置的三角形为种子三角形,将种子三角形放入集合T1,将种子三角形的边界放入集合E;将种子三角形的邻边三角形放入集合T2,将集合E中的元素替换为集合T2中元素的边界;将T2中元素的邻边三角形放入集合T3;比较T1中元素与T3中元素的质心连线与生长方向的夹角;将夹角最小与最大的三角形添加到重构网格面中;将T1中元素替换为T2中元素,重复以上步骤直至整个网格面重构完成。
Description
技术领域
本发明属于数字几何模型处理领域,具体应用于将生物体表面由点云数据构建为网格面。
背景技术
传统的三维物体表面重建包含以下方法:
一、泊松表面重建,基于泊松方程,是一种将全局拟合和局部拟合相结合的一种隐函数法。泊松重建方法结合了全局和局部拟合方法的优点,在形成邻近区域、选择面片类型和调整权值时不涉及启发式的决策。并且,基函数和周围空间不是数据点相关而是局部支持的,具有层次结构,从而构成一个稀疏的良态系统。
其具体重建步骤为:
1.定义八叉树;
定义一个自适应的八叉树来表示隐函数,给定一个样本点集S和最大树深D,定义八叉树O为每个点采样都落在深度为D的叶结点上的最小八叉树。
2.定义函数空间;
3.选择基函数;
4.定义向量场;
5.泊松解法;
6.等值面提取。
该方法不能插值云中的点,在CAD系统中的应用受限。同时在求解时需要定义大量数据,不具备便利性。
二、B样条曲面。Bezier线、B样条曲线和NURBS曲线等都是一种无法用标准代数方程来描述的自由曲线。计算这种曲线的方法通常有两类:
1.插值法:要求生成的曲线通过每个数据点,即型值点。曲线插值的方法有多项式插值、分段多项式插值和样条函数插值等。
2.拟合法:要求生成曲线靠近每个数据点,但不一定要求通过每个点。拟合法一般有最小二乘法、Bezier方法和B样条方法等。B样条曲面是B样条曲线的推广,可以通过一个特征多边形网格定点来定义;
采用该方法虽然可以构建出精细的曲面,但对于棱角比较分明的物体重构则存在较明显的失真。
点云的表面重建属于病态求解问题,由于点云数据十分庞大并且刚体的表面情况十分复杂,因此是一项极具挑战的工作。表面重建方法一般分为两种:隐函数法和组合结构法。隐函数法是通过定义分段函数,假设模型内部的值大于零,模型外部的值小于零,然后提取值为零的等值面进行表面重建,这类方法可以直接进行逼近物体表面的重构。组合结构法根据拓扑结构组合进行表面建模,一般通过对全部或者大部分点进行内插然后进行三角网格化,在有噪声数据的场合,重建的表面往往是参差不齐的,因此需要对点云进行平滑和修正。
生物体表面具有复杂的三维结构,其高效,真实的表面重建一直是难以解决的问题。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种由生物体点云构建网格的方法,本发明在提高重构质量的同时,加快重构的速度,使重构过程更加高效。采用本发明还原出的3D模型更加生动,真实。
本发明解决其技术问题所采用的技术方案是:一种由生物体点云构建网格面的方法,将采集得到的生物体表面的点云数据重构为网格面,包含以下步骤:
(1)将点云数据进行Delaunay三角剖分,得到任意边界相邻的三角形;
(2)根据生物体表面的构成将步骤(1)中得到的三角形进行区域划分,得到不同的生长区,根据生物体的自然生长方向确定每个生长区的生长方向;
(3)在步骤(2)中各个生长区中选取中心位置的三角形为种子三角形,将种子三角形放入集合T1,将种子三角形的边界放入集合E;
(4)将种子三角形的邻边三角形放入集合T2,将集合E中的元素替换为集合T2中元素的边界;
(5)将T2中元素的邻边三角形放入集合T3;
(6)比较T1中三角形元素与T3中三角形元素的质心连线与步骤(2)中确定的生长方向的夹角;其质心的连线仅限于T1中元素各自生长出的三角形之间;
(7)将步骤(6)中夹角最小与最大的三角形添加到重构网格面中;
(8)将T1中元素替换为T2中元素,重复进行步骤(1)~(8)直至整个生物体表面的网格面重构完成。
进一步的是:上述生物体表面的点云数据为人脸表面的点云数据;步骤(2)中划分的不同生长区为人脸的不同肌肉区域。
进一步的是:上述生物体表面的点云数据为叶片的点云数据;步骤(2)中的每个生长区的生长方向为叶脉至叶肉部分的生长方向。
进一步的是:上述的生物体表面的点云数据通过以下步骤得到:
(1)用双目摄像机采集生物体的多张照片;
(2)通过SURF-DAISY算法进行特征点提取得到生物体表面的SURF-DAISY特征点;
(3)将步骤(2)中得到的特征点通过特征点匹配得到特征点的空间位置;
(4)将步骤(3)中确定的特征点的空间位置进行准稠密扩散,得到生物体表面的点云数据。
更进一步的是:上述步骤(1)中将双目摄像机固定于一半圆形轨道中对生物体采集照片。
本发明与现有技术相比具有以下优点:
本发明从物体的组成角度考虑,基于Delaunay三角剖分得到的三角网格,并将其中三角块视为构成目标物体的细胞或分子,选取初始的三角网格,并按物体的生长过程进行模拟三角网格生长,从而得到重构物体。这种将生物学科与3D重构相结合的方法非常高效。通过实验,我们发现这种方法速度很快且具有很高的精确度,非常适用于生物体的重构,可使还原出的3D模型具有丰富的细节,精准的纹理,以及生动的形象。极大方便了对于人体器官,植物形态,遥感测量等领域的研究,同时也满足了考古,影视娱乐等文化领域的需求。
附图说明
图1为本发明的原理图;
图2为本发明的流程图;
图3为采用本发明方法的物体表面重构过程示意图。
附图标记说明:
1-种子三角形。
具体实施方式
下面结合附图及实施例描述本发明具体实施方式:
本发明以自然生长重构的原理,提供了一种由生物体点云构建网格面的方法,其是基于Delaunay三角剖分算法的一种区域向量生长算法。对处理后的点云数据进行Delaunay三角剖分之后,我们可得到任意边界相邻的三角形,得到的这些几何信息为区域生长过程提供了捷径。结合上一步中得到的根据物体构成而区域化的点云模型,在各区域内选取种子三角形,放入三角形集合T1,同时将三角将的三边加入边界集E,按照对应区域指定的生长方向生长,向三角曲面集中添加新的三角片元素,同时添加边界集,各个区域按照相应结的走向长逐步生成三角网格曲面。如图1所示,区域生长方向由箭头表示,中间的三角形为种子三角形1;周围三角形则为通过Delaunay算法得出的符合条件的三角形。图1中的黑点表示三角形的质心(由于生物细胞的重量集中于细胞核,因此我们选取三角形质心作为参照)实线的连接为符合要求的三角形,虚线的连接为不符合要求的三角形。寻找候选三角形的过程分为两步:
首先将边界集合中的每1条边界边E的所有有效三角形中选出候选三角形。
然后从所有候选三角形中选择出要添加的三角形。
其整个寻找候选三角形(网格面重建过程)的流程为:
(1)将点云数据进行Delaunay三角剖分,得到任意边界相邻的三角形;(2)根据生物体表面的构成将步骤(1)中得到的三角形进行区域划分,得到不同的生长区,根据生物体的自然生长方向确定每个生长区的生长方向;(3)在步骤(2)中各个生长区中选取中心位置的三角形为种子三角形,将种子三角形放入集合T1,将种子三角形的边界放入集合E;(4)将种子三角形的邻边三角形放入集合T2,将集合E中的元素替换为集合T2中元素的边界;(5)将T2中元素的邻边三角形放入集合T3;(6)比较T1中三角形元素与T3中三角形元素的质心连线与步骤(2)中确定的生长方向的夹角;其质心的连线仅限于T1中元素各自生长出的三角形之间;(7)将步骤(6)中夹角最小与最大的三角形添加到重构网格面中;(8)将T1中元素替换为T2中元素,重复进行步骤(1)~(8)直至整个生物体表面的网格面重构完成。
将本发明方法(自然重构法)与其他传统方法相比较,各自将点云数据处理得到的三维物体表面的参数中:
上面结合附图对本发明优选实施方式作了详细说明,但是本发明不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
不脱离本发明的构思和范围可以做出许多其他改变和改型。应当理解,本发明不限于特定的实施方式,本发明的范围由所附权利要求限定。
Claims (5)
1.一种由生物体点云构建网格面的方法,将采集得到的生物体表面的点云数据重构为网格面,其特征在于,包含以下步骤:
(1)将点云数据进行Delaunay三角剖分,得到任意边界相邻的三角形;
(2)根据生物体表面的构成将步骤(1)中得到的三角形进行区域划分,得到不同的生长区,根据生物体的自然生长方向确定每个生长区的生长方向;
(3)在步骤(2)中各个生长区中选取中心位置的三角形为种子三角形,将种子三角形放入集合T1,将种子三角形的边界放入集合E;
(4)将种子三角形的邻边三角形放入集合T2,将集合E中的元素替换为集合T2中元素的边界;
(5)将T2中元素的邻边三角形放入集合T3;
(6)比较T1中三角形元素与T3中三角形元素的质心连线与步骤(2)中确定的生长方向的夹角;其质心的连线仅限于T1中元素各自生长出的三角形之间;
(7)将步骤(6)中夹角最小与最大的三角形添加到重构网格面中;
(8)将T1中元素替换为T2中元素,重复进行步骤(1)~(8)直至整个生物体表面的网格面重构完成。
2.如权利要求1中所述的一种由生物体点云构建网格面的方法,其特征在于,所述生物体表面的点云数据为人脸表面的点云数据;步骤(2)中划分的不同生长区为人脸的不同肌肉区域。
3.如权利要求1所述的一种由生物体点云构建网格面的方法,其特征在于,所述生物体表面的点云数据为叶片的点云数据;步骤(2)中的每个生长区的生长方向为叶脉至叶肉部分的生长方向。
4.如权利要求1所述的一种生物体点云构建网格面的方法,其特征在于:所述的生物体表面的点云数据通过以下步骤得到:
(1)用双目摄像机采集生物体的多张照片;
(2)通过SURF-DAISY算法进行特征点提取得到生物体表面的SURF-DAISY特征点;
(3)将步骤(2)中得到的特征点通过特征点匹配得到特征点的空间位置;
(4)将步骤(3)中确定的特征点的空间位置进行准稠密扩散,得到生物体表面的点云数据。
5.如权利要求4所述的一种由生物体点云构建网格面的方法,其特征在于,步骤(1)中将双目摄像机固定于一半圆形轨道中对生物体采集照片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201310128903 CN103164870A (zh) | 2013-04-15 | 2013-04-15 | 一种由生物体点云构建网格面的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201310128903 CN103164870A (zh) | 2013-04-15 | 2013-04-15 | 一种由生物体点云构建网格面的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103164870A true CN103164870A (zh) | 2013-06-19 |
Family
ID=48587925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201310128903 Pending CN103164870A (zh) | 2013-04-15 | 2013-04-15 | 一种由生物体点云构建网格面的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103164870A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108198230A (zh) * | 2018-02-05 | 2018-06-22 | 西北农林科技大学 | 一种基于散乱图像的作物果实三维点云提取系统 |
CN109308738A (zh) * | 2018-07-26 | 2019-02-05 | 华南理工大学 | 基于优化Delaunay三角剖分的植物微观组织重建方法 |
CN111583328A (zh) * | 2020-05-06 | 2020-08-25 | 南京农业大学 | 基于几何模型的绿萝叶片外部表型参数的三维估测方法 |
-
2013
- 2013-04-15 CN CN 201310128903 patent/CN103164870A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108198230A (zh) * | 2018-02-05 | 2018-06-22 | 西北农林科技大学 | 一种基于散乱图像的作物果实三维点云提取系统 |
CN109308738A (zh) * | 2018-07-26 | 2019-02-05 | 华南理工大学 | 基于优化Delaunay三角剖分的植物微观组织重建方法 |
CN109308738B (zh) * | 2018-07-26 | 2020-09-22 | 华南理工大学 | 基于优化Delaunay三角剖分的植物微观组织重建方法 |
CN111583328A (zh) * | 2020-05-06 | 2020-08-25 | 南京农业大学 | 基于几何模型的绿萝叶片外部表型参数的三维估测方法 |
CN111583328B (zh) * | 2020-05-06 | 2021-10-22 | 南京农业大学 | 基于几何模型的绿萝叶片外部表型参数的三维估测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109242862B (zh) | 一种实时的数字表面模型生成方法 | |
CN105354883B (zh) | 基于点云的3ds Max快速精细三维建模方法及系统 | |
CN108335352B (zh) | 一种面向多视图大规模三维重建场景的纹理映射方法 | |
CN105303616B (zh) | 基于单张照片的浮雕建模方法 | |
WO2015188445A1 (zh) | 点云三维模型重建方法及系统 | |
CN106780751A (zh) | 基于改进的屏蔽泊松算法的三维点云重建方法 | |
Ladicky et al. | From point clouds to mesh using regression | |
CN105139379B (zh) | 基于分类分层的机载Lidar点云建筑物顶面渐进提取方法 | |
CN103701466A (zh) | 基于特征保留的散乱点云压缩算法 | |
CN106780458B (zh) | 一种点云骨架提取方法及装置 | |
CN114332348B (zh) | 一种融合激光雷达与图像数据的轨道三维重建方法 | |
CN103049907A (zh) | 交互式图像分割方法 | |
CN113192200B (zh) | 一种基于空三并行计算算法的城市实景三维模型的构建方法 | |
CN114332291A (zh) | 一种倾斜摄影模型建筑物外轮廓规则提取方法 | |
CN109584355A (zh) | 基于手机gpu的三维模型快速重建方法 | |
CN113888391A (zh) | 一种室内结构化重建方法、装置及计算机可读存储介质 | |
CN107610219A (zh) | 一种三维场景重构中几何线索感知的像素级点云稠密化方法 | |
CN111028335B (zh) | 一种基于深度学习的点云数据的分块面片重建方法 | |
CN108986020A (zh) | 一种三维曲面近似展开成平面的自适应方法 | |
CN103164870A (zh) | 一种由生物体点云构建网格面的方法 | |
CN113780389B (zh) | 基于一致性约束的深度学习半监督密集匹配方法及系统 | |
CN117132737B (zh) | 一种三维建筑模型构建方法、系统及设备 | |
CN104821015B (zh) | 实物表面样点α-shape曲面拓扑重建方法 | |
CN104794750A (zh) | 一种基于空间殖民算法的树点云三维重建方法 | |
CN104766367B (zh) | 一种计算三维模型处理中三维网格拓扑结构图构造方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130619 |